中国股市波动性过程中的长期记忆性实证研究

应用一类描述金融市场波动性过程的长期记忆特征的分整自回归条件异方差模型(FIGARCH模型)，研究了中国股票市场波动性过程的长期记忆性，实证结果表明中国股市波动性过程具有明显的长期记忆特征；文章还分析了FIGARCH模型与传统的条件方差模型相比，在模型描述和预测上所体现出的优越性。     

中国股票市场长期记忆特征的实证研究

股票市场收益的长期记忆特征对于系统非线性结构的确定以及市场有效性的研究具有重要的意义.针对上海和深圳的周和日收益序列,采用非线性估计方法提高R/S系列分析估计H参数的精确度.并用ARFIMA模型对沪深股市的收益率的长期记忆性进行了检验,根据分段检验的结果,得出一些中国证券市场有效性的结论.     

中外股票市场风险收益的比较研究

将中国证券市场的A股、B股分别与国际上四个成熟市场的风险、收益行为进行比较，从不同的角度分析和考察我国证券市场的数量特征，以及它与国际证券市场的关系是否密切；用带有局部及全球信息变量的GARCH(1，1)实证模型检验股指收益的条件均值，发现股指波动是时变的、不均匀的．局部及全球信息变量对股指收益有一定的解释性。     

ARFIMA模型在中国股票市场预测的失效

选取了上证综合指数、深证成份指数、上证工业指数、上海商业指数、上海地产指数、公共事业指数、四川长虹、深发展A 8个从1997-01-02～2001-12-31样本序列.分别进行了序列的性质分析,并根据序列的性质为它们建立了ARFIMA(p,d,q)模型,进行了预测.结果表明,ARFIMA模型在中国股票市场对收益序列的预测是失败的.     

基于小波变换的LMSV模型波动长记忆性估计与检验

将小波引入到LMSV模型波动长记忆性的估计与检验中，提出了基于小波变换的LMSV模型波动长记忆性的伪极大似然估计法和波动长记忆性的检验方法，用不同参数值和样本容量的数据进行了模拟实验．又用该方法对上海和深圳证券交易所综合指数收益序列的LMSV模型的波动长记忆性进行了检验和估计，结果表明该方法是有效且可行的．     

中国股票市场的股票收益与波动关系研究

检验中国证券交易四类股票收益与波动的时间序列特征，以及收益与波动之间的关系。首先应用广义自回归条件异方差模型（GARCH）和指数GARCH模型以获得合适的条件方差序列。应用结果发现，波动性随时间变化的证据，并且波动高／低的时期趋向于聚集，显示出高度持续性和可预测性。然后，应用均值GARCH（GARCH－M）模型检验预期收益与预期风险的关系。研究结果认为，每日交易量作为每日信息到达时刻的代理变量对于中国股票市场每日收益的条件波动的解释力度不显著。     

Hurst指数在股票市场有效性分析中的应用

Hurst指数是一个在混沌和分形学科中判断时间序列混沌性和成群性的统计参数。本文计算了实际股票市场股票对数收益率的Hurst指数,认为在定条件下股票运动并不满足布朗运动模型,也就意味着该证券市场不是有效的。本文采用的方法是对短时间（短到分钟）内的收益率统计Hurst指数,从而判断市场中是否有大户操纵的行为。作者认为Hurst指数在证券投资中有一定的参考价值,对长期的投资决策可以发生影响。     

中国股票市场的收益与波动关系

在考察现有的2种收益与波动关系模型(GARCH-M和SV-M)差异的基础上,运用更具理论优势的SV-M模型,研究了实行涨跌幅限制制度前后中国股市收益与波动关系的不同状况,并结合波动反馈效应理论,探讨了中国股市预期收益与波动之问的跨期关系.研究表明:中国股市的收益与同期波动之间存在负相关关系,这一关系在实行涨跌幅限制制度后变得更为显著;中国股市存在波动反馈效应,且预期收益与波动之间的跨期关系为正;涨跌幅限制制度不仅限制了沪深股市的暴涨暴跌现象,而且增加了股指收益率的自相关性和波动的持续性.     

Empirical Study on Long Memory Feature in Chinese Stock Market

The notion of long memory, or long-term dependence, has received considerable attention in empirical finance. While many empirical works were done on the detection of long memory in return series, very few investigations focused on the market volatility, though the long-term dependence in volatility may lead to some types of volatility persistence as observed in financial markets and affect volatility forecasts and derivative pricing formulas. So, using modified rescaled range analysis and ARFIMA model testing, this study examined long-term dependence in Chinese stock market returns and volatility. The results show that although the returns themselves contain little serial correlation, the variability of returns has significantly long-term dependence. It would be beneficial to encompass long memory structure to assess the behavior of stock prices and research on financial market theory.     

关于上海股市极值收益渐近分布的实证研究

通过极值概率坐标图发现上海股市极值收益吴明显的曲线,说明极值收益具有非指数分布特征,呈属于极值Ⅱ型吸引场,随后依据极值理论利用参数及非参数方法澄清验证了广为人知却一直停留在感性认识的股票市场极值收益厚尾性。利用GEV模型实证拟合了上海股市极值收益分布形式,通过SHERMAN最优拟合优度检验得出上海股市极值收益分布服从Frechet分布。     

Wavelet Estimation of a Long Memory Parameter In the Stock Market

I 1ntroductlonThe potential presence of stochastic long memory in financial asset returns has been animportant subject of both theoretical and empirical research. If asset returns display longmemory, or long--term dependence, they exhibit significant autocorrelation betweenobservations widely separated in time. In economics and finance, long--range dependencehas a long history and has remained a topic of active research is the study of economic andfinancial time series (see Lo [5j and Mandelb…     

长记忆随机波动模型的估计与波动率预测——基于中国股市高频数据的研究

为了有效捕捉中国股市波动率的长记忆性,提高远期波动率的预测精度,本文基于中国股市高频数据建立了长记忆随机波动模型,检验高频数据中时变的“日历效应”成分的频率,有效地对“日历效应”进行滤波。使用频域内拟极大似然方法估计LMSV模型参数,为了提高计算效率应用混沌优化算法进行最优搜索。对比了高频数据直接建模和已实现波动率方法建模的预测结果发现,通过高频数据估计的LMSV模型可以很好保留高频数据中所包含的信息量,克服信息丢失问题,预测结果要优于已实现波动率方法建模预测的结果。     

长记忆SV模型的统计性质及其实证分析

给出与证明长记忆随机(LMSV)模型的矩与谱密度。波动替代量的长记忆性，与ARFIMA模型的关系，以及其时间聚合等统计性质；最后利用模型考察了上海股市波动的长记忆特性。     

中国股市收益率与波动性长记忆性的实证研究

根据 Granger关于序列长记忆性的定义 ,从股市收益率与波动性两个方面分析与研究了香港、上海和深圳股市的长记忆性 .结果表明 :中国股市收益率与波动性具有长记忆性 ,尽管收益率的长记忆性不如美国股市强 ;上海股市的记忆性明显强于深圳股市 ;分数可积模型较指数衰减自相关函数能更好地拟合样本的自相关系数     

沪深股市动态溢出效应与动态相关性的实证研究——基于长记忆VAR-BEKK(DCC)-MVGARCH(1,1)模型

利用长记忆VAR-BEKK-MVGARCH(1,1)模型和VAR-DCC(1,1)-MVGARCH(1,1)模型,对沪深股市的动态均值溢出效应、动态波动溢出效应和动态相关性进行了实证检验.结果表明:沪深股市收益率的均值溢出效应和波动溢出效应,在2000年之前基本不存在,仅在2000年之后才比较显著,且表现为双向的传导关系.沪深股市收益率间表现出一定程度的动态相关性,除股市成立初期表现出负相关外,总体呈现出正相关,且相关性逐步提高,近年来稳定在0.8到0.9之间.     

基于股票市场交易数据流的场景记忆模型

设计一种基于场景记忆的多层推理模型，构造生活在高维资本市场内部交易数据流中的感知交易主体，从市场的内部研究市场的交易行为。把人脑的记忆机制巧妙地应用到股票市场，利用记忆、回忆等独特功能帮助投资者分析股市的变化趋势及特点，从而指导决策。通过计算机程序实验，我们设定的两种模式下的历史记忆情况清晰明了，并且该模式样本点的后续走势分布图有很大的参考价值。     

中国股市回报波动性分析--高频数据揭示股市的特征

以MDH假设为基础．采用高频数据建立我国股市日内波动特征的理论模型。利用频域分析工具实证得出上海股票市场波动性的日内周期特征和长记忆特征。对滤波之后自相关函数进行回归，计算得到表征上海股市长记忆大小的d值。